AI 架构师需要一系列技能,要掌握并非一朝一夕。
技术技能包括:
- AI 架构和管道规划。了解机器学习和深度学习工作负载的工作流程和管道架构。必须深入了解 AI 的数据管理、治理、模型构建、部署和生产工作流程中所涉及的各部分和架构方面的取舍。
- 软件工程和 DevOps 原则,包括了解 DevOps 工作流程和工具,比如 Git、容器、Kubernetes 和 CI/CD。
- 数据科学和高级分析,包括了解高级分析工具(比如 SAS、R 和 Python)、应用数学、机器学习和深度学习框架(比如 TensorFlow)以及机器学习技术(比如随机森林和神经网络)。
非技术技能包括:
- 思想领袖。成为变革推动者,帮助组织采用 AI 驱动的理念。以务实的态度对待 AI 的局限性和风险,并将真实情况呈现给提供整体数字思想领导力的 IT 高管。
- 协作心态。确保 AI 平台同时满足业务需求和技术需求,力求与数据科学家、数据工程师、数据分析师、机器学习工程师、其他架构师、业务部门领导者以及公司高管(技术和非技术人员)有效协作,并协调好他们之间的关系。